R语言开发之泊松回归了解下

分手后的思念是犯贱 2022-05-11 04:54 325阅读 0赞

泊松回归涉及回归模型，其响应变量是计数形式而不是分数数字。举个栗子，计算出生人数或一个足球比赛系列中的胜率数，响应变量的值也遵循泊松分布，一般情况下它的数学方程式如下：

log(y) = a + b1x1 + b2x2 + bnxn.....

参数描述如下：

*  *y* \- 是响应变量。
 *  *a* 和 *b* 是数字系数。
 *  *x* \- 是预测变量。

在R中，用于创建泊松回归模型的函数是`glm()`函数，语法如下：

glm(formula,data,family)

参数描述如下：

*  *formula* \- 是呈现变量之间关系的符号。
 *  *data* \- 是给出这些变量值的数据集。
 *  *family* \-是R对象来指定模型的细节，逻辑回归的值是“泊松”。

我们接下来使用内置数据集`“warpbreaks”`，它描述了羊毛类型(`A`或`B`)和张力(低，中或高)对每个织机的翘曲数的影响。我们就将`“breaks”`视为响应变量，这是一个休息次数的计数，之后就把羊毛`“type”`和`“tension”`作为预测变量，先来看下需要输入的数据集，如下：

input <- warpbreaks
    print(head(input))

输出结果如下：

breaks   wool  tension
    1     26       A     L
    2     30       A     L
    3     54       A     L
    4     25       A     L
    5     70       A     L
    6     52       A     L

接下来，我们就要尝试创建一个回归模型，如下：

output <-glm(formula = breaks ~ wool+tension, 
                       data = warpbreaks, 
                     family = poisson)
    print(summary(output))

输出结果如下：

Call:
    glm(formula = breaks ~ wool + tension, family = poisson, data = warpbreaks)
    
    Deviance Residuals: 
        Min       1Q     Median       3Q      Max  
      -3.6871  -1.6503  -0.4269     1.1902   4.2616  
    
    Coefficients:
                Estimate Std. Error z value Pr(>|z|)    
    (Intercept)  3.69196    0.04541  81.302  < 2e-16 ***
    woolB       -0.20599    0.05157  -3.994 6.49e-05 ***
    tensionM    -0.32132    0.06027  -5.332 9.73e-08 ***
    tensionH    -0.51849    0.06396  -8.107 5.21e-16 ***
    ---
    Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
    
    (Dispersion parameter for poisson family taken to be 1)
    
        Null deviance: 297.37  on 53  degrees of freedom
    Residual deviance: 210.39  on 50  degrees of freedom
    AIC: 493.06
    
    Number of Fisher Scoring iterations: 4

在上面结果中，我们在最后一列中寻找小于`0.05`的`p`值来考虑预测变量对响应变量的影响。

可以看到的是，具有`M`型和`H`型张力的羊毛型`B`对休息次数有影响。

好啦，本次记录就到这里了。

如果感觉不错的话，请多多点赞支持哦。。。